Método de indução difusa e sua aplicação na modelagem de sistemas de conhecimento e informação

Este artigo propõe um método de indução difusa desenvolvido pelo autor como uma combinação das disposições da matemática difusa e da teoria fractal, introduz o conceito do grau de recursão de um conjunto difuso, descreve a recursão incompleta de um conjunto como sua dimensão fracionária para modelar um domínio de sujeito. Como o escopo do método proposto e os modelos de conhecimento criados com base em conjuntos difusos, é considerado o gerenciamento do ciclo de vida dos sistemas de informação, incluindo o desenvolvimento de cenários para o uso e teste de software.

Relevância

No processo de projetar e desenvolver, implementar e operar sistemas de informação, é necessário acumular e sistematizar dados, informações e informações coletadas externamente ou que surjam em cada estágio do ciclo de vida do software. Isso serve como o suporte informativo e metodológico necessário para o trabalho de design e a tomada de decisões, e é especialmente relevante em situações de alta incerteza e em ambientes mal estruturados. A base de conhecimento formada como resultado do acúmulo e sistematização de tais recursos não deve ser apenas uma fonte de experiência útil adquirida pela equipe do projeto durante o trabalho de criação de um sistema de informação, mas também a maneira mais simples de modelar novas visões, métodos e algoritmos para implementar tarefas do projeto. Em outras palavras,essa base de conhecimento é um repositório de capital intelectual e, ao mesmo tempo, uma ferramenta de gerenciamento de conhecimento [3, 10].

Eficiência, utilidade, qualidade da base de conhecimento como ferramenta se correlacionam com a intensidade de recursos de sua manutenção e a eficácia da extração de conhecimento. Quanto mais simples e mais rápida a coleta e a fixação do conhecimento no banco de dados e mais pertinentes forem os resultados das consultas, melhor e mais confiável será a própria ferramenta [1, 2]. No entanto, métodos discretos e ferramentas de estruturação aplicáveis ​​aos sistemas de gerenciamento de banco de dados, incluindo a normalização de relacionamentos relacionais, não permitem descrever ou modelar componentes semânticos, interpretações, intervalos e conjuntos semânticos contínuos [4, 7, 10]. Para isso, precisamos de uma abordagem metodológica que generalize casos particulares de ontologias finitas e aproxime o modelo de conhecimento da continuidade da descrição da área de assunto do sistema de informação.

[3, 6]. ( ) ( – , , ), ( ), , – , , [5, 8, 9].

X – :

(1)

n = [N ≥ 3] – (, (0; 1) – (; )).
X = B, B = {a,b,c,...,z} – , X.
, ( ) , X, :

(2)

m – , i N – .
, () , , :

(3)

– , , X, , ; Re – .
, ( ) .

Re = 1 2- , ( ), X [1, 2]:

(4)

– , , – ( ) . – ( – ) [3, 9].

Re :

(5)

– X1, – X2 . .

, – .

, , , . , , , .

, , .

: ( ), ( ), ( ).

X – , X :

(6)

X1 – , X2 – , X3 – ,

(7)

, ( – ), ( ), .

, X ( ), .

, () « » :

(8)

1,6(6) .

, ( , . use-case), ( , . test-case).

, , .

:

(9)

– X;
– X, a ( ) 1;
– X, b ( ) 1.

, ( ) , / .

Ux X , , ( -) , / , , :

(10)

n – X.

Tx X . , , :

(11)

[D] – , n – X.
, . , .

, .

, « », , . , , .

« » , , .

1. .., .., .., « ». .: – , 2014. – 88 .
2. .., .., .., « ». .: – , 2014. – 122 .
3. .., «: ». : , 2011. – 296 .
4. ., « » / « ». .: «», 1974. – . 5 – 49.
5. ., « ». .: , 2016. – 320 .
6. .., « » / «», №54 (2/2008), http://www.delphis.ru/journal/article/fraktalnaya-matematika-i-priroda-peremen.
7. ., « ». .: , 2002. – 656 .
8. « : », . .., .. : - . . . -, 2003. – 24 .
9. .., « ». .: -, 2017. – 622 .
10. Zimmerman H. J. «Fuzzy Set Theory – and its Applications», 4th edition. Springer Seience + Business Media, New York, 2001. – 514 p.